Mac 文字转语音完整指南：设置、使用与禁用方法
2026年2月28日
你在 Pages 中写完了一份 2,000 字的播客脚本，按下“朗读所选内容”快捷键，却听到一个听起来像是 2009 年在微波炉里录制的声音。你深入研究了“系统设置”，发现了六个提及“语音”或“朗读内容”的不同菜单，更改了三处设置，结果反而变得更糟。现在，你的 Mac 会大声朗读每一条通知，而你却不知道该如何关闭它。
macOS 自 2000 年代初就内置了文字转语音（TTS）功能。Apple 在过去几年中对其进行了显著改进，但设置散布在多个面板中，其行为在不同 macOS 版本之间也有所不同，且内置声音的能力与内容创作者的实际需求之间仍存在巨大差距。好消息是：一旦你知道了所有设置的位置，配置只需大约 5 分钟。当你发现内置选项无法满足需求时，升级路径也比大多数人预想的要简单。
macOS 有 3 个独立的 TTS 系统，但大多数人只找到了 1 个
这是最令人困惑的地方。Apple 并没有一个统一的“文字转语音”开关。它有三个重叠的独立系统，分别由不同的地方控制：
| 系统 | 功能 | 查找位置 | 主要用途 |
|---|---|---|---|
| 朗读内容 (Spoken Content) | 大声朗读选中的文本或整个屏幕 | 系统设置 > 辅助功能 > 朗读内容 | 阅读文章、校对、辅助功能 |
| 旁白 (VoiceOver) | 为视障用户提供的全屏阅读器 | 系统设置 > 辅助功能 > 旁白 | 导航、辅助功能 |
| Siri 声音 | 为 Siri 回复和听写反馈提供动力 | 系统设置 > Siri | 虚拟助手回复 |
大多数搜索“Mac 文字转语音”的人实际上想要的是朗读内容。该功能可以使用键盘快捷键在任何应用程序中朗读选中的文本。而旁白（VoiceOver）是一个完整的辅助工具，它会叙述屏幕上的所有内容，包括按钮、菜单和窗口标题。当你只想听文本朗读时开启旁白，就像为了点燃蜡烛而叫来一辆消防车。
配置朗读内容：5 分钟快速设置
适用于 macOS Sonoma (14) 及更高版本
- 打开 系统设置（点击 Apple 菜单 > 系统设置）
- 点击边栏中的 辅助功能
- 点击 朗读内容
- 开启 朗读所选内容
- 点击“系统声音”旁边的下拉菜单，选择你喜欢的声音
- 根据你的喜好调整“语速”滑块
- 如果你想要悬停阅读功能，可以开启 朗读指针下的项目
适用于 macOS Ventura (13) 及更早版本
旧版本的路径略有不同：
- 打开 系统偏好设置（而非系统设置）
- 点击 辅助功能
- 点击左侧边栏中的 朗读内容
- 勾选 朗读所选内容
- 点击 系统声音 下拉菜单选择声音
- 调整语速
键盘快捷键
启用“朗读内容”后，在任何应用程序中选择任何文本，然后按下 Option + Esc 即可收听朗读。你可以自定义此快捷键：
- 在“朗读内容”设置中，点击“朗读所选内容”旁边的 选项
- 设置你偏好的组合键
- 启用或禁用屏幕控制器（一个带有播放/暂停/跳过控制的小型浮动面板）
那个屏幕控制器非常值得启用。它让你无需每次都回到系统设置，就能直接暂停、恢复、快进和调整速度。
选择合适的声音（Apple 的选择比你想象的要多）
大多数 Mac 用户只听过 "Samantha" 或默认的 Siri 声音。事实上，Apple 提供了涵盖多种语言的数十种声音，基本声音和可下载的优质声音之间的质量差异非常显著。
如何下载优质声音
- 前往 系统设置 > 辅助功能 > 朗读内容
- 点击 系统声音 下拉菜单
- 点击 管理声音...
- 按语言浏览。优质声音带有下载图标。
- 点击任何声音旁边的下载箭头。文件大小从 150 MB 到 900 MB 不等，取决于质量层级。
语音质量层级
Apple 将其语音分为几个质量级别：
- 紧凑声音：文件体积小，听起来有机械感。适用于快速的系统公告，但不适合收听超过一个段落的内容。
- 标准声音：中等质量。对于校对短文档来说还不错，但在长篇幅中你会注意到节奏不自然。
- 优质/增强声音：下载体积最大，但明显更自然。这些声音使用神经网络合成，听起来更接近真人。"Zoe (Premium)"、"Evan (Premium)" 等多个声音都属于这一类。
即使是优质声音也有其局限。它们在 2 到 3 分钟内听起来不错。超过这个时间，语调就会变得平淡，情感变化消失，声音会陷入一种单调的节奏，长时间听起来很累。这不是 bug，而是 Apple 在设备端能够实际提供的模型大小的局限。
在 Mac 应用程序中使用文字转语音
一旦激活“朗读内容”，Option + Esc 快捷键几乎可以在所有 Mac 应用程序中使用。以下是它在最常用应用中的表现：
Pages 和文本编辑：选择文本，按下快捷键。运行非常可靠。声音会朗读选定的段落并停止。
Safari 和 Chrome：选择任何网页上的文本并按下快捷键。适合在做其他事情时听文章。Safari 还有一个单独的阅读模式，可以在阅读前去除页面格式，有时能改善语速节奏。
预览 (PDF)：选择 PDF 中的文本并按下快捷键。质量取决于 PDF 是否包含可选文本。没有 OCR（文字识别）的扫描文档无法使用。
邮件：选择正文，按下快捷键。对于你不想读的长邮件非常方便。
终端：是的，你也可以从命令行触发 TTS。运行 say "你的文本内容"，macOS 就会使用系统声音朗读。对于较长文本：say -f /路径/到/文本文件.txt。你甚至可以导出为音频：say -f script.txt -o output.aiff。这最后一条命令是 macOS 最接近内置音频导出功能的方式。
大多数人不知道的终端技巧
say 命令接受 -v 标志来指定任何已安装的声音：
say -v "Zoe (Premium)" "This is a test of the premium voice."
say -v "?"
第二条命令会列出你系统中安装的所有声音。这是试听声音最快的方法，无需在系统设置中反复点击。
如何禁用文字转语音（当它停不下来时）
本节之所以存在，是因为有相当多数量的 Mac 用户会意外开启旁白（VoiceOver）或朗读内容，却不知道如何让它安静下来。如果你的 Mac 正在叙述屏幕上的所有内容，以下是最快的解决方法：
如果旁白 (VoiceOver) 正在运行（Mac 会叙述每次点击和每个按钮）
立即按下 Cmd + F5。这是旁白的开关。在带有 Touch Bar 的 MacBook 或更新型号上，你也可以连按三次 Touch ID 按钮。
如果“朗读所选内容”在朗读途中停不下来
再次按下 Option + Esc 停止当前朗读。如果不起作用，请点击选定文本之外的任何地方。
如果你的 Mac 朗读通知或警报
- 前往 系统设置 > 辅助功能 > 朗读内容
- 关闭 朗读公告
- 在那里，如果你不想要悬停阅读，请同时检查并关闭 朗读指针下的项目
完全禁用清单
要完全静止 Mac 上的所有 TTS：
- 朗读内容：系统设置 > 辅助功能 > 朗读内容 > 关闭所有开关
- 旁白 (VoiceOver)：系统设置 > 辅助功能 > 旁白 > 关闭（或按 Cmd + F5）
- Siri 语音反馈：系统设置 > Siri > 语音反馈 > 关闭
- 声音警报：系统设置 > 声音 > 取消勾选“启动时播放声音”并调整警报音量
完成此清单后，除非你明确再次触发语音，否则你的 Mac 将保持静默。
macOS TTS 的瓶颈（以及后续方案）
Apple 的内置声音足以应对两件事：短文档的快速校对和辅助功能。除此之外，你将遇到硬性限制：
- 无声音自定义：除了单一的语速滑块，你无法调整情感、重音或节奏。声音在朗读笑话和悲剧时用的是同一种语调。
- 声音选择有限：即使下载了所有优质声音，你也只能在 15-20 个英语选项中选择。如果你在内容创作中需要特定的语气、口音或个性，这个库就太小了。
- 无声音克隆：无法创建听起来像你或符合特定品牌调性的声音。
- 音频导出非常原始：
say命令只能导出为 AIFF，没有内置的方法来生成带有适当标准化的 MP3、WAV 或播客就绪的音频。 - 多语言质量下降快：Apple 的优质声音在英语方面很强。切换到泰语、阿拉伯语或葡萄牙语，质量就会退回到机械感十足的水平。
- 缺乏长文本一致性：语调在 2-3 分钟后会发生漂移，使长时间收听变得疲劳。一段 20 分钟的脚本，第 18 分钟听起来会比第 1 分钟明显变差。
如果你只是用 TTS 来检查邮件中的错别字，这些限制并不重要。但如果你正在制作 YouTube 视频、录制课程或将文字内容转换为受众真正愿意听的音频，这些限制就至关重要了。
从 Mac 校对到专业音频制作
当你的需求超出了内置声音的范畴，工作流的转变非常直接：继续在 Mac 上写作，但通过专门的 AI TTS 平台生成音频。
Fish Audio 弥补了 macOS 留下的空白。以下是切换后的变化：
超过 2,000,000 种声音，而不是 20 种。 Fish Audio 的声音库按语言、口音、语气和使用场景分类。需要一个温暖、自然的美国英语声音来制作教程？直接筛选即可。需要一个干练的日语旁白来制作本地化产品视频？那里也有。选择范围比 Apple 提供的要大 100,000 倍左右。
长脚本下依然稳定的语调。 Fish Audio 的模型架构可以处理长文本中的情感变化和节奏。一段 15 分钟的配音从头到尾都能保持其特色，不会出现 macOS 声音在 2-3 分钟后出现的单调漂移。疑问句听起来像疑问句，重音也会落在该落的地方。
15 秒声音克隆。 想让每一段音频听起来都像你？上传一段 15 秒的样本，Fish Audio 就能创建一个克隆，在你生成的任何文本中承载你的声音特征。Apple 没有任何类似的功能。
13+ 种语言且质量不缩水。 Fish Audio 在其完整语言集中保持了母语级别的发音。在英语中听起来自然的声音，在西班牙语、中文、日语和阿拉伯语中同样保持自然。切换语言时不会出现突然的质量断崖。
生产级音频文件。 生成并下载适用于 YouTube、播客平台、课程平台或任何其他分发渠道的 MP3 或 WAV 文件。无需 Terminal 命令行操作，也无需 AIFF 转 MP3 的复杂流程。
Mac 创作者的工作流
- 在 Pages、Google Docs 或任何 Mac 文本编辑器中撰写脚本
- 使用 macOS 朗读内容 (Option + Esc) 快速校对，捕捉生硬的措辞
- 复制最终文本并将其粘贴到 fish.audio/text-to-speech
- 从库中选择一个声音（或使用你的克隆声音）
- 调整情感和节奏以匹配你的内容
- 生成并下载音频文件
- 放入你的项目：Final Cut Pro、Logic Pro、GarageBand、播客编辑器，或任何你使用的工具
这种工作流让 macOS TTS 发挥其优势（免费、即时的校对），并将 Fish Audio 用于真正需要专业音质的部分。
费用说明
Fish Audio 提供免费额度，足以支持使用真实脚本进行测试。付费方案起步价为每月 11 美元，包含 250,000 积分，可生成约 200 分钟（~3小时20分）的 S1 语音，或高达 400 分钟（~6小时40分）的 v1.5 或 v1.6 语音。作为对比，macOS TTS 是免费的，但无法导出可用的音频文件。而聘请真人配音演员制作 15 小时的录制内容可能耗资 3,000 到 15,000 美元。详细的价格说明请点击这里。
结论
macOS 拥有功能强大的文字转语音 (TTS) 系统，只是隐藏在散乱的设置面板背后。一旦你知道“朗读内容”才是你真正需要的功能，Option + Esc 是快捷键，并且存在优质声音下载，内置的 Mac 文字转语音设置就能很好地处理快速校对和日常收听需求。如果旁白 (VoiceOver) 意外开始叙述整个屏幕，Cmd+F5 就是你的紧急求救键。
但内置声音是为辅助功能和系统反馈设计的，而非内容制作。当你需要一段受众能听超过 2 分钟的音频、需要符合品牌的语音，或需要听起来不像翻译引擎的多语言输出时，Apple 的内置功能就捉襟见肘了。在 Mac 上写作，用“朗读内容”校对，然后用 Fish Audio 进行生产。将你已有的写作工具，与专门为听众打造的文字转语音引擎完美结合。
